（机械设计及理论专业论文）板带钢表面缺陷的多尺度边缘检测研究.pdf

ad is s e r t a t i o ni nm e c h a n i c a ld e s i g na n dt h e o r y r e s e a r c ho nm u l t i - - s c a l ee d g ed e t e c t i o no f su r f a c ed e f e c t so nb o a r ds t r i p b yt o n g j i a n s u p e r v i s o r ：p r o f e s s o ry a hy u n h u i n o r t h e a s t e r nu n i v e r s i t y j u l y2 0 0 9 独创性声明 本人声明，所呈交的学位论文是在导师的指导下完成的。论文中 取得的研究成果除加以标注和致谢的地方外，不包含其他人己经发表 或撰写过的研究成果，也不包括本人为获得其他学位而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确 的说明并表示谢意。 学位论文作者签名：金妻 日 期： 少印订口 学位论文版权使用授权书 本学位论文作者和指导教师完全了解东北大学有关保留、使用 学位论文的规定：即学校有权保留并向国家有关部门或机构送交论 文的复印件和磁盘，允许论文被查阅和借阅。本人同意东北大学可 以将学位论文的全部或部分内容编入有关数据库进行检索、交流。 作者和导师同意网上交流的时间为作者获得学位后： 半年划 一年口一年半口 学位论文作者签名：仑建 签字日期：炒7 叫 导师签名： 签字日期： 霹挚 东北大学硕士学位论文 摘要 板带钢表面缺陷的多尺度边缘检测研究术 摘要 板带钢是钢铁流程工业的主要产品之一，是航空航天、汽车、家电、造船等行业的 重要原材料，其表面质量直接影响最终产品的质量和性能。因此，对板带钢表面质量的 检测方法和质量控制技术进行研究具有重要的理论及经济价值。 板带钢表面缺陷的多尺度边缘检测技术是进行板带钢表面质量检测和质量控制的 重要手段，较传统的边缘检测技术有很大的优越性。可以在大尺度下抑制噪声，小尺度 下精确定位边缘，是检测系统进行缺陷边缘特征提取的重要技术和环节，可以获得准确 且清晰的缺陷边缘，是进行缺陷识别和分类的关键。 针对目前的板带钢表面缺陷检测系统中采用的缺陷边缘检测算法大都是单一尺度 的边缘检测算子，不可能正确与准确地检测出所有的缺陷边缘，同时在滤除噪声时影响 边缘检测的j 下确性等问题，本文提出了板带钢表面缺陷的多尺度边缘检测方法基于 小波变换模极大值的算法，较好地解决了边缘检测精度与抗噪性能之间的协调问题，实 现了在多个尺度上提取板带钢表面缺陷的边缘。同时，针对在检测真正的边缘点时，常 常会检测出远远多于实际的边缘点，而真正的边缘点可能反而没有被检测出来这一问 题，并考虑到板带钢表面缺陷检测的实用性要求，本文给出了板带钢表面缺陷多尺度边 缘检测的阈值确定方法，对伪边缘的去除有很好的效果。并以一个具有普适性的斜坡边 缘模型为例，探讨了基于小波变换的多尺度边缘检测的尺度选取方法。实验证明，提出 的小波尺度选取方法是可行的。 最后，本文将板带钢表面缺陷分为典型缺陷和非典型缺陷两大类，通过实验重点研 究了典型缺陷的多尺度边缘检测，并给出详细的多尺度边缘检测原理和算法。首次给出 孔洞、边裂、焊缝、黄斑( 锈斑) 、边缘锯齿、夹杂、分层、麻点八大类典型缺陷在不 同尺度下的边缘检测结果，并将实验结果与传统算法作比较以验证本文方法的优越性。 关键词：多尺度分析；小波变换；模极大值；边缘检测；板带钢表面缺陷 ，- c 论文工作得到的项目支持： 国家自然科学基金委员会( n o 5 0 5 7 4 0 1 9 ) 和国家高技术研究发展计划( 8 6 3 计划) 资助项目( n o 2 0 0 8 a a 0 4 2 1 3 5 ) 。 r e s e a r c ho nm u l t i - s c a l ee d g ed e t e c t i o no f s u r f a c ed e f e c t so nb o a r ds t r i p 呋 a bs t r a c t t h eb o a r ds t r i pi so n eo ft h em a i np r o d u c t si nt h es t e e li n d u s t r yu s e da si m p o r t a n tr a w m a t e r i a l si nm i n i s t r yo fa e r o n a u t i c sa n da s t r o n a u t i c si n d u s t r y , a u t o m o b i l e s ，h o m ea p p l i a n c e s ， s h i p b u i l d i n ga n do t h e ri n d u s t r i e s t h e r e f o r e ，i t ss u r f a c eq u a l i t yc a n h a sad i r e c te f f e c to nt h e p r o d u c tq u a l i t y t h er e s e a r c ho nt h ei n s p e c t i o nm e t h o da n dt h eq u a l i t yc o n t r o lt e c h n o l o g yi n s u r f a c ed e f e c t so fb o a r ds t r i pc a nd e d i c a t en o to n l yt ot h et h e o r yb u ta l s ot ot h ee c o n o m i c a l v a l u e s t h et e c h n o l o g yo fm u l t i s c a l ee d g ed e t e c t i o ni sa ni m p o r t a n tm e a nt ot h ei n s p e c t i o n m e t h o da n dt h eq u a l i t yc o n t r o lt e c h n o l o g yi ns u r f a c ed e f e c t so fb o a r ds t r i p ；i th a sg r e a t a d v a n t a g e sc o m p a r e dw i t ht h et r a d i t i o n a le d g ed e t e c t i o nt e c h n i q u e s i nl a r g e 。s c a l e ，i tc a n s u p p r e s st h en o i s e ，w h i l em a k ea c c u r a t ep o s i t i o n i ns m a l l s c a l e a l s of o rt h ed e f e c t s i n s p e c t i o ns y s t e m ，i ti st h ee d g ef e a t u r ee x t r a c t i o nt e c h n o l o g ya n dt h ei m p o r t a n ta s p e c to f a c c e s st og e ta c c u r a t ea n dc l e a re d g e so ft h ed e f e c t s i tp l a y st h ek e yr o l eo nt h ei d e n t i f i c a t i o n a n dc l a s s i f i c a t i o no fd e f e c t s c o n t r a - p o s i n gt h ei s s u e st h a tc u r r e n ts u r f a c ed e f e c t si n s p e c t i o ns y s t e m su s e di ne d g e d e t e c t i o na l g o r i t h mm o s t l yw e r es i n g l e - s c a l ee d g ed e t e c t i o no p e r a t o r s ，i tw a sn o tp o s s i b l et o d e t e c ta l lt h ee d g ei nt h ed e f e c t sa c c u r a t e l ya n dc o r r e c t l y , w h i l en o i s ef i l t e r i n gm i g h tl e a dt o t h ei n c o r r e c t n e s so fe d g ed e t e c t i o n i nt h i sp a p e r , t h ea u t h o rp u tf o r w a r dam u l t i s c a l es u r f a c e d e f e c t se d g ed e t e c t i o nm e t h o d t h ea l g o r i t h mb a s e do nw a v e l e tt r a n s f o r mm a x i m u mv a l u eo f m o d u l u s ，c o u l ds o l v et h ec o - o r d i n a t i o nb e t w e e nt h ee d g ed e t e c t i o na c c u r a c ya n dn o i s e s u p p r e s s i o np e r f o r m a n c e ，a c h i e v e do nt h ee x t r a c t i o no ft h ee d g et o t h es u r f a c ed e f e c t so f b o a r ds t r i pi nan u m b e ro fs c a l e s a tt h es a m et i m e ，c o n s i d e r i n gt h ei s s u et h a tf o rt h ee d g e d e t e c t i o no ft h er e a le d g ep o i n t s ，o f t e nd e t e c t e dm o r ee d g ep o i n t st h a np r a c t i c a l ，b u tt h er e a l e d g ep o i n t sm i g h tn o tb ed e t e c t e d t a k i n gt h eu t i l i t yr e q u i r e m e n t so ft h es u r f a c ed e f e c t s i n s p e c t i o ns y s t e mi n t oa c c o u n t ，t h i sp a p e rg a v eam e t h o dt o d e t e r m i n et h et h r e s h o l df o r r e m o v a lo fp s e u d o - e d g et og e tg o o dr e s u l t sf o rt h em u l t i - s c a l ee d g ed e t e c t i o no fb o a r ds t r i p s u r f a c ed e f e c t s s i m u l a t i o nr e s u l t sa ec o i n c i d e n tw i t ht h et h e o r e t i c a la n a l y s i s t h es c a l e i i i 瓤髫曝蚕v 东北大学硕士学位论文a b s t r a c t s e l e c t i o ni ne d g ed e t e c t i o nb a s e do nw a v e l e tt r a n s f o r mi ss t u d i e db yu s i n gag e n e r a ls l o p e e d g em o d e la sa l le x a m p l e f i n a l l y , t h i sp a p e rd i v i d e dt h es u r f a c ed e f e c t so fb o a r ds t r i pi n t ot w om a j o rc a t e g o r i e so f t y p i c a ld e f e c t sa n da t y p i c a ld e f e c t s t h r o u g he x p e r i m e n t sf o c u s e do nt h em u l t i s c a l ee d g e d e t e c t i o no ft h et y p i c a ld e f e c t s ，a n dg a v ead e t a i l e dm u l t i s c a l ee d g ed e t e c t i o nt h e o r ya n d a l g o r i t h m b yt h ew a y , t h i sp a p e rf i r s t l yg a v et h em u l t i - s c a l ee d g ed e t e c t i o nr e s u l t si nd i f f e r e n t s c a l e so fh o l e ，e d g ec r a c k ，w e l d ，m a c u l a r ( r u s t ys t a i n ) ，s e r r a t e d e d g e ，i n c l u s i o n s ， d e l a m i n a t i o n ，p i t t i n gs p o t st h a te i g h to ft h et y p i c a ld e f e c t s ，a n dc o m p a r e dt h ee x p e r i m e n t a l r e s u l t sw i t ht h et r a d i t i o n a la l g o r i t h mt ov e r i f yt h es u p e r i o r i t yo ft h i sm e t h o d k e yw o r d s ：m u l t i s c a l ea n a l y s i s ；w a v e l e tt r a n s f o r m ；m a x i m u mv a l u eo fm o d u l u s ；e d g e d e t e c t i o n ；s u r f a c ed e f e c t so fb o a r ds t r i p 木t h i sr e s e a r c hi ss p o n s o r e db y ： t h en a t i o n a ln a t u r a ls c i e n c ef o u n d a t i o no fc h i n a ( g r a n t e d n o 5 0 5 7 4 0 1 9 ) & t h e n a t i o n a l h i g ht e c h n o l o g yd e v e l o p m e n tp r o g r a mo fc h i n a ( 8 6 3 ) ( g r a n t e dn o 2 0 0 8 a a 0 4 2 1 3 5 ) i v 东北大学硕士学位论文 目录 目录 独创性声明i 摘要i i a b s t r a c t i i i 第1 章绪论一1 1 1 研究背景1 1 2 板带钢表面缺陷检测技术的发展历程3 1 2 1 传统检测技术3 1 2 2 无损检测技术4 1 2 3 计算机视觉检测技术4 1 3 板带钢表面缺陷检测的国内外研究动态5 1 3 1 国外研究动态6 1 3 2 国内研究动态一7 1 4 边缘检测及其研究现状9 1 4 1 边缘检测的简介9 1 4 2 研究现状9 1 4 3 边缘检测的要求1 l 1 5 本课题的意义1 1 1 6 主要研究内容与论文结构1 2 1 6 1 主要研究内容一1 2 北大学硕士学位论文目录 1 6 2 论文结构1 2 第2 章传统的边缘检测方法及比较1 3 2 1 边缘检测的概述1 3 2 1 1 边缘检测的意义1 3 2 1 2 边缘的类型1 3 2 1 3 边缘检测的方法1 4 2 2 传统的边缘检测方法1 5 2 2 1 狄度梯度算子1 5 2 2 2r o b e r t s 交叉算子16 2 2 3s o b e l 算子1 6 2 2 4p r e w i t t 算子1 7 2 2 5l a p l a c i a n & l o g 算子1 7 2 2 6c a n n y 算子18 2 3 实验结果与分析1 9 2 4 本章小结2 l 第3 章小波分析的基本理论2 3 3 1 小波分析理论概述2 3 3 2 小波变换与小波包分解2 4 3 2 1 连续小波变换2 4 3 2 2 离散小波变换2 6 3 2 3 小波包分解2 7 3 3 框架理论及小波框架2 7 东北大学硕士学位论文 目录 3 4 多分辨率分析与m a l l a t 算法2 9 3 5 几种常用的小波3 l 3 6 本章小结3 4 第4 章板带钢表面缺陷的多尺度边缘检测3 5 4 1 边缘检测与多尺度边缘检测3 5 4 2 基于小波理论的多尺度边缘检测原理3 6 4 3 基于小波理论的多尺度边缘检测方法3 9 4 3 1 多尺度下的阈值确定方法3 9 4 3 2 小波尺度的选取方法4 0 4 3 3 多尺度下的边缘匹配4 2 4 3 4 多尺度下边缘点的链接4 2 。 4 3 5 算法及流程图4 3 4 4 实验结果对比与分析4 4 4 4 1 不加噪声的缺陷图像4 4 4 4 2 加噪声的缺陷图像4 9 4 5 本章小结5 5 第5 章结论与展望5 7 参考文献5 9 致谢6 5 东北大学硕士学位论丈 第1 章绪论 1 1 研究背景 第1 章绪论 我国是冷轧板带钢生产和消费大国，2 0 0 5 年实际产量约为2 6 2 4 力吨。与实际消费 量3 6 3 0 万吨4 1 3 0 万吨相比，缺口尚有1 0 0 6 力吨1 5 0 6 万吨。预计2 0 1 0 年冷轧板带钢 实际产量将达4 3 9 2 万吨，而届时实际消费量为5 9 0 0 万u 屯6 5 2 0 万吨，缺口达15 0 8 万吨 2 1 2 8 万吨【l 】。然而，由于生产设备和技术上的局限，我国的板带钢产品产能与结构和 国民经济发展的需要之间的矛盾突出，产品质量能够达到国际先进水平的不到总产量的 1 3 。其中，高质量冷轧板带钢仍是目前进口量较大的钢材品种之一。 板带钢的表面缺陷是影响其质量的重要因素之一，因为这些缺陷不仅损害板制件的 产品外观，而且往往会恶化其性能或成为产生破裂和锈蚀的根源，成为应力集中的薄弱 环节，是造成深加工产品出现废饮品的主要原因。因此，提高板带钢表面质量一直是各 钢铁企业非常关注的问题，也是国内外板带钢市场竞争中的关键指标。由此可见，对板 带钢表面质量的检测方法和质量控制技术进行研究具有重要理论及经济价值。 在板带钢轧制过程中，由于连铸钢坯、轧制设备、加工工艺等方面的原因，板带钢 表面易出现夹杂物、氧化皮、磷化斑、麻点、针眼、疤痕、辊印、划痕、裂纹以及孑l 洞 等不同类型的缺陷。这些缺陷不仅严重影响产品的外观质量，而且还会大大降低产品的 抗腐蚀性、耐磨性、强度等其它性能【2 】。 囝圈团圈囹圈 无缺陷( a ) 孔洞( b ) 边裂( c ) 焊缝( d ) 黄斑 ( e ) 边缘锯齿 圈酉圈圈圈国 ( f ) 夹杂 ( g ) 分层 ( h ) 麻点( i ) 辊印 ( j ) 抬头纹 ( k ) 氧化皮 图1 1 板带钢表面常见的缺陷类型( 本文将a - - h 归为典型缺陷，i n k 归为1 f 典型缺陷) f i g 1 1t h ec o m m o nt y p eo fb o a r ds t r i ps u r f a c ed e f e c t s ( a ho ft h i sp a p e rw i l lb ec l a s s i f i e da st y p i c a l d e f e c t s ，i kc l a s s i f i e da sa t y p i c a ld e f e c t s ) 1 东北大学硕士学位论丈第1 章绪论 通过对板带钢表面缺陷的检f l j l 0 d 法与质量控制技术的研究，获取板带钢表面缺陷的 类型和分布形式，不仅直接反映了生产设备的工作状况、工艺流程及原材料状况，而且 能够获驭大量反映板带钢表面质量的重要信息。这对指导生产、实时控制生产流程、改 善工艺发备等是极为重要的，进而能够达到提高产品质量的目的。 但目前，我国很多钢铁企业仍采用人工目视抽检和闪频光检测等方法进行表面质量 检验，通过概率统计和检测人员的经验形成综合质量报告。一方面，这些方法有效检测 率低、实时性差、缺乏科学性、一致性和规范性；另一方面，这些方法无法满足对产品 生产过程中对板带钢的上、下表面同时进行实时监控的需要。近年来，随着计算机技术、 数字图像处理技术以及模式识别技术的迅猛发展，为板带钢表面缺陷的检测与分析研究 提供了新的手段和途径。 板带钢表面缺陷的自动检测与分类技术，国外在这方面的研究相对较多，而国内的 研究则较少。国内要实现自动化检测表面缺陷大都购买外国的设备，这不仅要花费大量 的资金，而且其维修费用也特别高昂，不符合我国发展的需要。这一切都迫使我们要开 发研究我们自己的检测系统，以获取缺陷的大小、位置、范围、严重程度等质量信息， 将结果传送给后续工艺进行参考，分析相应缺陷产生的原因，适时控制生产流程，以降 低废品率，对划分板带钢等级都有重要的意义。进而可以提出消除缺陷的解决方案，从 而带来显著的经济效益，同时可以为确定产品的市场价格和用户对产品的使用策略提供 依据和指导。 光源图像栗襄图像势宇仡、目标检溯 一缝企解鬈面 ：下十 倍息反溃及控制毒 工作站圣翘 _ 甏 图1 2 板带钢表面缺陷检测系统示意图f 3 】 级、僖 息存储 等处理 f i g 1 2t h e s k e t c hm a po fb o a r ds t r i ps u r f a c ed e f e c t si n s p e c t i o ns y s t e m 现在，国外的许多钢铁生产企业已经在板带钢轧制生产线上使用表面缺陷自动检测 系统，同时建立了相应的缺陷诊断专家系统，以实时地对产品的质量进行评估和控制， 从而有效的提高了检测的质量。但是，国内的大部分钢铁企业都没有采用此项技术，在 2 谀分定分 陷、，、 块剐类丝 寓 东北大学硕士学位论文 第1 章绪论 轧制过程中产生的表面缺陷不能被及时检测出来，因此无法采取具体措施，避免板带钢 表面i 缺陷的继续产生，给企业造成了巨大的经济损失。据统计，国内某钢铁企业在【4 】 1 9 9 6 1 9 9 8 年3 年| 日j 因产品的表面质最问题而产生的不合格产品为1 3 3 7 0 7 吨，造成的直 接经济损失高达5 8 3 5 0 0 0 美元。同时，由于部分质量问题在出厂前没有得到有效的检测 和控制，致使用户在使用过程中发现，造成的用户索赔金额3 4 力美元，给企业带来巨 大的经济损失。 通过采集板带钢表面图像，提取缺陷图像特征，并进行定量分析，能够确定缺陷的 大小、位置、范围以及严重程度等，进而可采取相应措施控制板带钢的表面质量，提高 产品的竞争力。可以说，板带钢表面缺陷的检测方法与质量控制技术不仅是提高板带钢 表面质量的基础工作和前提条件，也是在现有技术条件下，生产企业建立板带钢质量等 级体系的重要手段，可以为确定产品的市场价格提供依掘和指导，为用户提供产品的使 用策略。因此，世界各主要钢铁生产国，如中国、同本、美国、俄罗斯、韩国和德国等， 均投入大量人力、物力和财力致力于板带材表面缺陷自动检测和识别的研究，不断寻求 提高板带钢表面质量的方法和途径即】。 1 2 板带钢表面缺陷检测技术的发展历程 板带钢表面缺陷检测技术丌始于2 0 世纪5 0 年代，从最初的人工目视检测法到现在 的以c c d 和数字图像处理技术为代表的计算机视觉检测技术，走过了5 0 多年的发展历 程。大致可以分为传统检测技术、无损检测技术、计算机视觉检测技术三个阶段。 1 2 1 传统检测技术 传统检测方法( 即非自动化检测的方法) 主要有人工目视检测法和频闪检测法两种。 ( 1 ) 人工目视检测法 人工检测主要是凭借检测者肉眼观察缺陷，但肉眼检测能力毕竟有限，运动中的板 带钢从眼前飞驰而过的情况下，眼球无法及时聚焦，从而产生“运动模糊感”。板带钢 的线速度若高于1 8 0 m m i n ，就完全无法看清其表面，从而造成板带钢表面缺陷的大量 误检或漏检。而实际生产线上的板带钢运动速度可达到3 0 0 1 2 0 0 m r a i n ，甚至有时速 度会更高，若采用人工检测方式监控其表面质量，则轧制速度必须要降到5 0 m m i n 以下， 甚至要完全停止，这使生产效率和质量控制成为矛盾。由此可见，人工目视检测已不适 应现代钢铁工业发展的需要。 ( 2 ) 频闪检测法 2 0 世纪7 0 年代中期，英钢联、阿格玛、u v 、美钢联等钢铁联合企业普遍采用频 闪光检测法【8 】来检测板带钢表面缺陷。频闪检测法的原理是利用1 0 3 0 u s 的脉冲闪光会 气 1 章绪论 红外检测 裂纹和横 ( 3 ) 漏磁检测法 1 9 9 3 年同本川崎制铁千叶制铁所开发出了在线非金属夹杂物检测装置。该装置通过 测量漏磁通密度来确定缺陷的大小并对缺陷进行分类，不仅能检测出板坯的表面缺陷， 而且还能检测到板坯内部的微小缺陷。该方法检测精度较高，实用温度范围宽，造价比 较低廉，主要缺点在于不能检测板坯的表面粗糙度，无法实现对大量表面缺陷类型的检 测和分类。 1 2 3 计算机视觉检测技术 计算机视觉检测方法主要有基于激光扫描的计算机视觉检测技术和电荷耦合器件 c c d 成像的计算机视觉检测技术。 ( 1 ) 基于激光扫描的计算机视觉检测技术【1 1 】 激光扫描检测可以显著提高检测的灵敏度、实时性和数字信号处理结构的通用性。 是用特殊光源( 包括荧光管、 东北大学硕士学位论文 第1 章绪论 卤素灯、发光二极管、红外线和紫外线灯等) 以一定方向照射到带钢表面上，c c d 相 机在带钢上扫描数字成像，将所得到的图像信号输入计算机中，通过图像预处理、图像 边缘检测、图像二值化等图像处理后，提取图像中的带钢表面缺陷的特征参数，再进行 图像识别，从而判断出是否存在缺陷及缺陷的种类信息等。 表1 1 不同板带钢表面质量的检测技术对比分析 t a b 1 1c o m p a r a t i v ea n a l y s i st od i f f e r e n tk i n di n s p e c t i o nt e c h n o l o g yo fs t r i ps u r f a c e 由表1 1 可以看出目前主流的板带钢表面检测装置【2 l 主要是基于c c d 获取板带钢表 面图像，计算机分析所获取的图像，发现缺陷并对缺陷进行分类。这种方法以机器视觉 检测、图像模式识别技术为基础，硬件多采用标准化部件，以软件为核心，调整和改进 很方便，现已成为主流板带钢表面缺陷检测技术。由于表面检测装置与缺陷的检测技术 能够很好的结合，所以符合日益发展的采用信息处理技术识别缺陷的趋势，因此基于 c c d 器件的机器视觉技术得到国内外学者密切的关注。 1 3 板带钢表面缺陷检测的国内外研究动态 在过去的几十年中，受限于高速摄像技术和高性能计算机的应用范围，对高速板带 钢生产线进行全面的在线质量检测的目标一直难于实现。但在最近几年，高速的电荷耦 合器件c c d ( c h a r g ec o u p l e dd e v i c e ) 工业摄像技术【1 2 - 1 4 和高性能微机得到广泛应用， 一 - 5 东北大学硕士学位论文第1 章绪论 以此为基础的计算机视觉技术迅速发展，为实现高速板带钢生产线全面在线质量检测的 目标提供了良好的硬件基础，国内外科研机构也纷纷进行相关的理论研究与系统开发， 并取得了诸多成果。 1 3 1 国外研究动态 1 9 7 1 年，英国钢铁公司、伦敦c i t y 大学、s i r a 工学院联合开发出以5 m w 的h e h e 激光器作扫描源、1 2 面反射棱镜和柱面镜光学系统、使用光电倍增管接收的检测系统， 成为带钢无损等技术发展的基础【l5 1 。 1 9 7 4 年，瑞典采用了改进的飞点激光扫描技术，并在光电倍增管前面加了一个漫射 屏，实践证明对于带钢表面缺陷的检测十分有利【巧】。 2 0 世纪7 0 年代，日本的新日铁、千叶、八幡、歌山及下松等企业己在冷轧镀层板 和电工钢板生产线上采用了“激光扫描表面缺陷监测系统”。但由于不能提供直观的带 钢表面图像，所得图形信息难以理解，同时由于同期的计算机处理能力有限，所以该检 测方法最终未能推广【l6 1 。 7 0 年代中期，日本j l l 崎公司开始研制镀锡板在线检测装置，利用斜交激光扫描系统 进行钢板表面缺陷检测，并针对特定缺陷( 如周期性缺陷) 采用了自相关方法【1 7 】。 1 9 8 2 年h o n e y w e l l 公司完成连铸板坯表面缺陷自动检测装置的研究，确立线阵c c d 图像传感系统、专用图像阵列处理机的体系结构、基于树分类器和句法模式识别理论的 缺陷分类器设计思想，及自动检测过程的离线数字仿真等技术路线的主流地位【1 7 】。 1 9 8 5 年，日本成功将激光扫描技术应用于千叶厂和川崎厂，其扫描装置的光学系统 采用了会聚透镜和一个面罩，提高了对缺陷的检测能力【1 5 】。 1 9 8 5 年，荷兰h u g w n s e 钢厂在马口铁生产线上安装了一套在线检测系统，使用了 2 0 k h z 驱动频率的c c d 摄像机【1 8 】。 1 9 8 8 年，德国s i c k 公司在冷轧厂检测线安装五台表面缺陷检测设备( a n s i s ) ，它 能在很高的速度下检测所有的缺陷。为保证在整个带钢宽上均布平行光照，s i c k 采用 了一个抛物面反射镜的远心光学系统并申请了专利。另一个专利是使用了光控杆作为光 收集器，保证光垂直射入光控导杆，光在该杆内部全反射，最后在杆端被光电倍增管接 收。光控导杆具有很高的信噪比，可感受微小的光能变化【1 9 】【2 0 】。 1 9 8 9 年英国光学掩模有限公司开发一种廉价的检测系统，完成钢带定位、板宽、孔 洞、边裂的测量。对照明方式的研究认为，其受环境的影响较大，只能随环境变换而变 化，在不同场合使用不同的荧光灯或钨丝聚光灯。检测高速运动的孔洞，高强度放电棒 的效果最好【2 l 】。 进入2 0 世纪9 0 年代，完善和提高检测系统的自动化功能( 如缺陷的自动分类功能 6 一 东北大学硕士学位论丈 第1 章绪论 等) 及实用化水平成为当前研制工作的热点。 19 9 0 年，芬兰r a u t a r u u k k in e w t e c h n o l o g y 公司研制了s m a r t v i s 表面检测系统【2 2 1 。 1 9 9 1 年，荷兰h o o g o v e n s 钢铁公司热轧生产线采用了e e s 系统，其在最大带宽和 最高带速下具有1 0 2 m m x 2 0 3 m m 的横纵向检测分辨率。随后该系统为美国i n l a n d 钢铁 公司和n u c o r 钢铁公司所陆续采用【1 7 】。 1 9 9 2 年芬兰r a u t a r u u k k i 铡铁公司安装了一套新丌发的智能检测设备，采用2 0 4 8 像元c c d 摄像机。该系统具有自学习分类功能，将最新理论与实践相结合，应用机器 学 - - j 方法自动设计优化的决策树分类器结构，成效显著；1 9 9 4 年采用4 0 9 6 像元c c d t 2 3 】。 美国c o g n e x l 2 4 】公司于1 9 9 4 年先后研制成功了i s 2 0 0 0 自动检测系统和i l e a m 自学 习分类器软件系统。通过此两套系统的无缝连接，整体系统可以提供8 0 g o p s 的运算性 能，并有效的改善了传统自学习分类方法在算法执行速度、数据实时吞吐量、样本训练 集规模及模式特征自动选择等方面的不足之处 2 5 ，2 6 1 。1 9 9 4 年8 月该系统在美国l 1 v 钢 铁公司的镀锌生产线上投入实际运行，其功能较全面，属于当时最先进的带钢表面自动 检测系统之一，在一定程度上代表了自动检测系统今后的发展趋势。 1 9 9 5 年瑞典生产的表面缺陷检测系统己引入神经网络理论用于缺陷的识别和分类， 使信息处理从数学、知识工程、模式识别，发展到神经网络理论都运用在带钢表面缺陷 的检测中【1 9 】【2 3 1 。 美国w e s t i n g h o t l s c 公司的系统采用线阵c c d 摄像机和高强度的线光源监视运动带 钢表面，在最高带速和最大带宽下可提供o 7 r a m 2 3 m m 的横、纵向缺陷分辨率，并提 出了将明域、暗域及微光域等三种照明光路形式组合应用于检测系统的思路拉7 。 同本川崎制铁千叶制铁所利用直流磁化的漏磁法，通过高灵敏度的半导体磁敏电阻 检测漏磁通密度，以在线确定带钢表面微小的非会属央杂物的体积。日本茨城大学工学 部运用红外测温传感器检测钢板表面的裂纹及微小针孑l 等类型的缺陷，并比较了x 射线 检测、超声波探伤及热学检测等方法的检测性能，结果显示热学检测效果优于前两者拉引。 1 9 9 7 年德国p a r s y t e c 公司为韩国浦项制铁公司研制了h t s 2 冷轧带钢表面检测系 统，该系统首次将基于人工神经网络( a n n ) 的分类器设计技术实用于带钢检测领域【2 9 1 。 2 0 0 4 年德国p a r s y t e c 公司发布了新一代产品p a r s y t e c5 i t 3 0 】，其将带钢表面质量信息 输入到支持决策信息中，不仅可以对产品进行质量检测，而且可以给出其质量评价报告， 使用信息处理技术同趋成熟。 1 3 2 国内研究动态 与国外发达国家相比，国内板带钢表面缺陷检测技术的研究起步较晚，整体研究水 平较低，但目前也取得了一些可喜的研究成果。 7 ， 东北大学硕士学位论文第1 章绪论 1 9 8 6 年7 月开始，华中理工大学和武钢联合开发，经历“七五”预研、“八五攻 关，在较短的时问内白行研制出带钢表面缺陷系统，用于武钢生产线上。先后进行了激 光扫描检测方案、线阵c c d 检测方案、面阵c c d 检测方案的研究方案的研究试验j 。 1 9 9 5 年，华中理工大学研制出采用多台面阵c c d 成像，通过基于p c 环境的d s p 系统所构成的图像处理平台进行冷轧带钢表面孔洞、重皮、边裂等缺陷检测和最小带宽 测量的实验系统【2 。 1 9 9 5 年，哈尔滨工业大学机器人研究所开始进行带钢表面缺陷的静态下检测和识别 方法的研究，目前已经取得了阶段性成剁2 3 1 。 上海宝山钢铁( 集团) 公司与原航天部二院联合研制出冷轧带钢表面缺陷的在线检 测系统，并进行了大量的在线试验研究。 1 9 9 8 年，鞍钢技术中心开发出冷轧带钢表面缺陷智能在线检测系统，并投入了工业 运行。系统不仅能有效地检测带钢表面缺陷和进行分类，并且能根据缺陷信息来判定带 钢的质量等级，按照用户的要求分配所生产出的带钢，不仅减少了带钢质量检查线上的 操作人员，而且增加了从平整机直接向用户交货的板卷量，降低了生产成本【19 1 。 2 0 0 1 年，北京科技大学高效轧制国家工程研究中心己在实验室中成功的开发了冷轧 带钢表面缺陷的在线监测系统，系统对“乳化液斑痕”、“锈痕”、“压入氧化铁皮”、“辊 印”、“折印”和“边裂”等六种常见的冷轧带钢表面缺陷类型识别率达到9 0 以上【2 9 】【3 i 】。 2 0 0 2 年7 月，由北京科技大学高效轧制国家工程中心，在武钢集团海南有限责任公 司冷轧带钢精整线上安装了一套表面质量自动检测系统，并完成了安装和调试任务，可 以稳定地检测到缺陷。系统在软件上由三个功能模块组成：在线观测、在线检测和离线 分析。该系统可用于在线检测冷轧带钢常见的表面缺陷，如：折印、划痕、锈斑、辊印 等。但是该系统采用的是“暗场照明”，主要适用于检测三维缺附3 2 】。 东北大学颜云辉教授及其科研团队【3 3 。”】对板带钢表面缺陷的缺陷模式识别方法、分 类方法和质量评价体系等方面进行了深入研究，取得了阶段性成果。 综上所述，国内外在板带钢表面缺陷检测方面应用c c d 技术已成为主要潮流。随 着中国钢铁业的快速发展，对板带钢表面质量实时检测系统的需求也会逐渐增多。加之， 由于用户的需求与要求程度的多样化，个性化服务和针对性方案在竞争中将日益重要。 另外，由于国外自动化检测设备开发商均将板带钢表面缺陷自动检测系统技术列为核心 技术机密加以保护，因此该项技术公开发表的技术文献并不多。所以，在当前高性能计 算机技术与高速工业相机技术快速发展的硬件基础上，迸一步研究高实时性算法和软件 处理技术并开发具有自主知识产权的板带钢表面质量实时检测系统，不仅是国内钢铁企 业与广大市场的需求，而且也是摆脱国外厂商技术垄断的需求。 8 东北大学硕士学位论丈 第1 章绪论 1 4 边缘检测及其研究现状 1 4 1 边缘检测的简介 边缘检测是图像处理的重要技术，广泛应用于轮廓抽取、特征提取、纹理分析等方 面。边缘可理解为图像局部特征的不连续性，表现为图象灰度级的突变、纹理结构的突 变和彩色的变化等，是图像的最基本特征；边缘能勾画出区域的形状，能被局部定义， 边缘既大大减少所要处理的信息又保留了图像物体中的形状信息，它包含着有价值的目 标边界信息，广泛存在于目标与背景、目标与目标、区域与区域，基元与基元之间。找 出图像的边缘称为边缘检测。 对于图像处理而言，边缘表示了信号的突变，包含了图像中大量的信息，这些信息 可用于图像分析、目标识别以及图像滤波。对边缘的检测是进一步图像处理的基础，采 用好的方法